机器学习金融模型失败时会发生什么

这些是一些奇怪的时期。看，我们有16万亿美元的负收益债券，这是T，对于数万亿美元。非财务人员询问我，为什么有人想购买负收益率（您付钱给他们，顺便说一句），我回答，这与收入无关，而是关于交易的费率将进一步下降。

这让我想到：如果我们处于某个流动性陷阱世界和负利率环境中，那么使用人工智能和机器学习中最新和最出色的所有这些发票财务模型有什么影响？

对于某些见解，我回顾了2007 - 08年，这是怪异的时期，那是抵押支持的安全性（MBS）危机，这也许是杠杆和证券化与证券化不合格抵押贷款有关的最大市场灾难并将他们出售给饥饿的投资者，以寻求收益。听起来有点熟？

回到这个资产类别涨到近10万亿美元（是的，另一个T）时，应该有所不同高斯副群配方这些抵押贷款的证券化和批准的基础。看杀死华尔街的公式

但这并非如此，因为它预计房价会大幅下降。

现在，我们正在使用技术来融资发票的新型号。这次应该是不同的，因为我们很聪明，我们更聪明，我们正在使用人工智能和机器学习算法，并且可以评估发票一旦提交就可以支付发票的可能性。

对于那些不熟悉发票融资的人，可以在三个阶段进行三个阶段，每个阶段都有不同的风险：发票提交， 什么时候交货已验证， 什么时候发票已获得批准由买方，并计划根据付款条款进行付款。看：来源到付款网络是否超出了批准的发票？

看起来我并不是说任何新兴模型都会失败。当然，如果我有1,000张发票提交给太平洋天然气，并且对他们进行了评估，则全部付款（大部分全额），那么，是的，您可以评估该风险。如果我是一个新的供应商，或者是买方及其卖方之间发票纠纷的记录，则风险很难评估。

我对这些新兴模型的看法是三件事：

1. 这些模型是没有大量信用周期信息的。
2. 这些模型可能会持续一段时间，但是当它们不这样做时，它可能会变得丑陋 - 回想一下MBS和高斯配套公式。
3. 您需要更多的信息，而不仅仅是买方及其卖方交易历史记录，这是必要的，但不是足够的信用信息。

现实情况是，我们今天处于未经宪章的水域，中央银行的领导者越来越关注流动性陷阱，并制定了全球永久性政策的定性计划。

我全力以赴进行创新的承保，并将自动化带入发票金融市场，但模型并非防弹。

戴维·古斯汀（David Gustin）乐动体育下载链接运营了一项研究和咨询实践，旨在帮助金融机构，供应商和公司了解贸易信贷，付款和财务供应链的交集。这个帖子是在David与Interface Financial Group一起工作的同时写了一个特别项目。